¿Pensaste que ibas a escapar de la teoría, verdad?
¿Cuál es el fenómeno que queremos explicar?
¿La causa que teorizamos lleva a observar cambios en Y?
¿Cuál es la teoría del cambio?
En última instancia, estamos interesados en cómo dos conceptos teóricos están relacionados, medidos por variables observadas T (nuestro tratamiento) y Y (nuestros resultados)
Nuestra teoría nos permite:
Derivar implicaciones observables (hipótesis) que probamos en el mundo real.
Separar dos experimentos completamente no relacionados con propiedades empíricas idénticas para Y y T.
Luego necesitamos conectar lo que nos interesa con lo que observamos en el mundo real \(\rightarrow\) operacionalización de conceptos teóricos.
¿Cómo vamos a medir nuestros resultados? ¿Cómo vamos a manipular la causa de interés?
Este vínculo estrecho entre teoría y diseño de investigación nos ayuda a interpretar los resultados de nuestro experimento.
La medición es el vínculo entre la teoría de un investigador y un diseño de investigación (experimental).
La medición sigue entonces de nuestra teoría de cómo creemos que funciona el mundo y cómo nuestro tratamiento manipula ese mundo.
El caso ideal es la medición directa del fenómeno de interés sin error. Pero esto generalmente no es posible.
A menudo solo podemos medir indicadores conectados al fenómeno subyacente de interés.
¿Cuál es el resultado de interés (Y)?
¿Cuál es la causa de interés (T)?
¿Cuál puede ser una teoría que conduzca a este diseño experimental?
¿Cuál puede ser la hipótesis principal?
¿Podemos manipular directamente T? (concepto de tratamiento subyacente de interés)
¿Cómo se relaciona T con T?
¿Todos recibieron T?
Ahora piensen en ustedes mismos como los investigadores.
En parejas o grupos de tres:
Como científicos sociales, no podemos observar directamente el valor verdadero del concepto de resultado para la mayoría de los resultados que nos interesan.
Ejemplos:
Además, el concepto de resultado subyacente puede estar incluso en debate (por ejemplo, la democracia).
Si nuestros indicadores no miden el concepto subyacente que nos interesa, entonces es posible que no podamos aprender mucho, incluso si tenemos un experimento por lo demás muy sólido.
Los problemas con la medición pueden llevarte a sacar inferencias causales incorrectas de tu estudio (error sistemático, más sesgo).
La medición con ruído reduce la potencia (error aleatorio, menos precisión) [discutiremos esto después].
La recolección de datos a menudo ocupa una porción muy grande del tiempo y los recursos financieros disponibles en el presupuesto del proyecto.
Como investigadores, tenemos teorías sobre cómo funciona el mundo.
Algunas de estas teorías implican afirmaciones causales, y podemos usar experimentos para probarlas empíricamente (es decir, con los datos que observamos del mundo real).
La medición conecta la teoría y el diseño de la investigación.
Observamos indicadores del mundo real de los conceptos teóricos más amplios que nos interesan.